文本聚类中的特征选择方法

介绍了3种用于文本聚类的特征选择方法：文档频度、单词权、单词熵.用一个中文文本语料库对这3种特征选择方法进行了比较实验,实验结果表明在文本聚类中单词权的特征选择方法具有最好的选择结果.     

采用人工心理理论的商品选购专家系统

应用人工心理理论,对人性化商品设计开发及商品选购中的重要因素－－消费者心理进行研究,采用因子分析和数量化I类理论统计聚类的方法,得到考虑消费心理的数学模型,并用VB6．0与Access数据库编制了基于这个模型的商品选购专家系统。     

基于视觉单词树的快速图像检索

建立了一种分层的视觉字典树.首先提取图像特征,定义树的分支因子k和层数L,采用分层聚类算法进行逐层聚类,生成树型结构的视觉单词本,并对每个树节点计算逆向文档频率作为权值,定义得分准则进行图像的相似度匹配.新的视觉单词树由于建立了分层结构,较之传统平面结构的视觉单词本具有计算负荷小、单词个数不受约束、搜索速度快等优越性.在Caltech-101图像库的检索实验中验证了本文算法的快速性和高效性.     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法,神经网络采用RBF网络结点结构,聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中,仿真结果表明具有并行实时性、聚类能力强的特点。     

基于设计结构矩阵的产品结构模块聚类方法

阐述了当前产品结构模块聚类方法中存在的不足,并通过基于设计结构矩阵(DSM)的聚类方法较好地解决了这些不足.给出建立产品结构DSM模型的方法,并基于五点刻度法对产品结构DSM模型进行数字化.在聚类的过程中开发了基于产品结构DSM联系强度的聚类算法和基于联系成本的择优算法.以某摩托车发动机为例进行了实际建模、聚类运算及聚类择优,得出了优化的模块聚类结果.     

基于SOM的产品设计结构模块划分及其评价

针对数值型设计结构矩阵(DSM),提出采用自组织映射(SOM)算法的产品设计结构模块聚类方法。该方法将DSM中的信息经过初始化后作为SOM网络的输入层,然后通过训练SOM神经网络模型获得聚类方案。文中还提出了综合考虑模块内聚性和耦合性并且适用于数值型DSM的聚类效果评价指标。案例分析表明,与DSM经典算法相比,本文提出的聚类方法和评价指标能够优化产品设计模块划分。     

考虑变更传播影响的产品模块分类方法

针对产品变更过程中遇到产品结构复杂及零部件间关联程度强的问题,基于设计结构矩阵,通过模糊聚类分析法,对产品变更模块分层级研究变更传播的特点.首先,将产品零部件按照不同要求划分为不同的模块,将模块作为基本元素,根据模块间的变更依赖关系建立含权重的设计结构矩阵;然后,利用模糊聚类分析法对变更模块聚类,对聚类结果分层级,分析各层级之间的变更传播特点,从而降低模块变更的复杂性,提高模块变更的速度.以某型罐式半挂车为例,对该方法的可行性和合理性进行验证.实验结果表明:该方法能够有效地降低车辆变更复杂性,并能提高车辆工程变更速度.     

应用SQL求边的聚类系数

边的聚奏系数是用来度量复杂网络中两个结点的紧密程度的，被广泛的应用于识别网络模块。本文介绍了如何利用SQL及相关函数来求解边的聚类系数。     

基于图聚类的组合横切关注方面挖掘方法

提出了一种图聚类方法,即发现软件系统中组合横切关注的方面挖掘方法.该图聚类方法不仅考虑了连接度,亦考虑了相似度.采用一个新的图聚类算法来发现组合横切关注,一个组合横切关注也是一个软件模块,既包含相似的元素,又包含连接紧密的元素.利用程序元素之间的相似度和连接度,采用基于authorityshift的有向图层次聚类算法,来发现属于同一软件模块的程序元素集合;然后采用fan-in技术来确认组合横切关注模块.对比实验结果验证了该方面挖掘方法的有效性.     

团体心理辅导筛组的统计分析

对随机抽取的200例心理健康测查数据进行聚类与判别统计分析,结果显示,团体心理辅导方案可以根据心理测查数据聚类结果来设计;参与心理测查的个体都可以判别到适合的聚类组成为团体辅导的成员。     

基于蚁群聚类算法的文本模糊聚类方法

针对模糊C-均值本文提出将基于蚁群算法的模糊聚类算法应用于文本聚类中,聚类采用二级结构,蚁群算法(ACA)作为一级结构,模糊C-均值聚类FCM用于二级结构。将此算法对文本集合进行聚类实验,并用分离系数、分离熵来判断模糊划分的效果,实验结果表明,与FCM相比,该算法具有较好的聚类效果。     

基于谱系聚类的数控机床模块划分系统

为研究开发有效的计算机辅助数控机床模块划分系统,利用AHP以及谱系聚类算法,结合卧式数控车床模块划分的实际,从功能出发阐述了模块划分过程.通过相关度矩阵得到距离矩阵,运用谱系聚类方法对距离矩阵进行聚合,得到划分结果,并在此基础上利用VB以及Matlab开发了数控机床模块划分系统.通过实例设计及结果分析证明该划分系统进行模块划分十分有效、准确且快捷.     

基于改进后缀树算法中英文聚类引擎的实现

提出一种基于改进后缀树与交互聚类思想相结合的算法ISTC算法, 通过改造传统后缀树结构实现了对文档标题和摘要的层次化聚类, 同时用交互聚类的方式替代了传统的递归算法. ISTC算法具有语言无关性, 不仅适用于基于单词的西方文字, 而且可以在不引入词典分词技术的情况下有效地处理基于单字的中文字符. 在此算法基础上, 设计并实现了基于改进后缀树算法的交互聚类引擎, 在不同的网络环境下对其 进行了系统测试, 并与其他元搜索引擎进行了对比. 实验结果表明, 使用改进后缀树算法进 行实时交互式聚类是可行的.     

关于汉字视觉心理尺度评价的有效特征抽取

将汉字的视觉心理尺度这一连续的、无法用物理量直接分析评价的问题进行离散化,利用模式识别的手法加以研究.根据形状知觉尤其是汉字知觉的心理法则,抽取与汉字视觉心理尺度相关的黑点数、一次心距、二次心距等量张成特征空间.调查事先经专家认定在视觉心理上分属于大、中、小三集团的汉字在该特征空间中分布情况.经实验可知该分布有良好的聚类,证实了该特征集对汉字视觉心理尺度分类的有效性.     

从心理表征的角度探析英语阅读词汇向听力词汇的转化

本文针对外语学习者外语听力词汇量小,结合认知心理学、认知语言学等相关理论来探析英语听力词汇,分析了造成听力词汇量小的两大原因:在实际的词汇学习中,一是缺乏词汇语音意识的培养;二是学习者孤立地识记和学习单词,不注意词义之间的内在联系,从而造成了听力过程中单词的语义提取失败。因此,听力词汇量的提高和听力理解能力的加强有待于进一步增强词汇的语音意识和重构心理词汇、加强单词间的语义联系。     

教给记忆方法 提高词汇教学实效

初中英语新教材词汇量大，每个模块有三十几个单词与短语，记单词已成为一件让学生头痛的事情。面对如此多的单词，学生常苦于记忆效率低，遗忘速度快。因此，如何帮助学生高效、持久地记住所学词汇，就成了英语教师面临的重要课题。     

基于聚类-重心法和CFLP法的两级物流配送中心选址

为了确保物流配送中心选址的合理性,节约配送里程,降低配送的费用成本,将聚类-重心法和CFLP（Capacitated Facility Location Problem）模型结合起来来对城市的物流配送中心选址进行研究。首先,用最短距离聚类法进行配送区域划分;其次,通过CFLP模型结合聚类结果,以物流配送成本费用最小化原则选出二级物流配送中心;再次,分别对二级物流配送中心和城市中所有的区域物流配送中心使用重心法求出2个一级物流配送中心的坐标;最后,分别计算出2个一级配送中心的配送总距离和配送总费用,并进行对比分析。结果表明：选择通过对二级物流配送中心使用重心法求出的一级物流配送中心作为最终一级物流配送中心最为合理。该方法能应用到两级物流的配送中心选址过程中。     

一种新的基于频繁加权概念格的视觉单词生成方法

传统的视觉单词仅通过无监督聚类方法生成,标注的精度和效率较低。加权概念格是一种有效的层次数据分析工具,本文采用加权概念格对视觉单词进行分析与约简,提出了一种新的视觉单词生成方法。首先生成训练图像视觉词包的形式背景,并通过信息熵获取视觉单词的权值;其次针对各语义类别,根据用户所设定的内涵重要性阈值,构造出视觉词包模型频繁加权概念格;然后依据外延数阈值,提取对分类贡献大的描述图像语义的约简视觉单词,进一步提高了标注的精度和效率;最后通过实验验证了该方法是有效的和可行的。     

新课程改革以来中学生物学教学研究的文献计量学分析

空间聚类是空间数据挖掘和知识发现的的主要方法之一."基于模糊C均值的空间聚类方法"可以广泛地应用到对空间数据挖掘和知识发现中的分类分级研究.该方法的基奉思想是:首先,设定聚类数目和模糊度常数,并初始化各个聚类中心,每一个数据点按照一定的模糊隶属度隶属于某一聚类中心;然后,逐步进行循环迭代.改变目标函数值以及各个隶属度,并决定新一级聚类中心;最后,当日标函数收敛或者数据点的隶属度保持恒定时,就得到了输入数据的最终聚类中心,从而完成了模糊聚类划分.该文给出了该方法的实现步骤,并以实例验证了方法的可行性和科学性,取得了很好的效果.     

耦合模块度优化与谱聚类的供水管网分区算法

为降低供水管网漏损,实现供水管网快速准确分区,提出一种耦合模块度优化与谱聚类的供水管网分区算法。该算法采用快速模块度优化算法对供水管网进行社区划分,以每个社区为节点、社区间连接关系为边,结合各社区内的水力特征和空间区位特征计算差异性作为边权重,构建对偶图。利用谱聚类算法完成供水管网分区。结果表明,该算法求解的管网分区结果相比快速模块度优化和谱聚类算法,将空间上更邻近的管段划分在同一分区,不会产生狭长型无效分区,且在模块度及边界管道数量上表现较为均衡,管网分区方案不仅模块度高,而且边界管道数量少。